文:向善财经
最近有一部电视剧《繁花》特别火,这部片子讲的故事里也有不少的金融行业的元素。故事之外,这部片背后也有城商行的影子,这些年,城商行也在积极探索新的业务增长。
银行板块一直都是A股市场权重占比很高的行业,其重要性不言而喻。
这个行业中,有这么四类玩家:国有大型银行、股份制银行、城市商业银行和农村商业银行。最近的十年中,成长最快,最具活力的,当属城商行。
在银行业发布的2023年“陀螺”评价榜单中,城商行的前十分别为江苏银行、北京银行、宁波银行、上海银行、南京银行、成都银行、杭州银行、徽商银行、长沙银行、苏州银行。
虽然体量不及四大行,以及大型股份制银行,但经过快速发展,头部城商行的体量其实也不小。
目前的银行业中,已经有十家万亿以上的城商行,十三家5000亿以上的城商行。跻身“万亿俱乐部”的有江苏银行、上海银行、宁波银行、南京银行、杭州银行等。
去年三季报显示,这些万亿城商行中,仅北京银行、上海银行、南京银行实现个位数增长,其余5家城商行均实现两位数增长。
走过2023,迎来2024,接下来城商行们该如何寻找新的增量,值得探讨一番。
2023年的城商行:在分化中寻找突破
总体来看,城商行的发展分化趋势明显,头部城商行与中尾部城商的差距进一步拉大。
资产规模排名第一的北京银行地位仍未被撼动,不过,江苏银行在营收利润等业绩上的表现已经有所超越。
从业绩来看,江苏银行营收586.78亿,归母净利润256.54,而北京银行营收497.39亿,归母净利润202.33亿,稍稍落后。
从前三季度的归母利润表现来看,江苏银行、北京银行、宁波银行位居前三。上海银行、南京银行、杭州银行分别位居其后。
评判银行经营的标准很多,但核心其实就是资产质量和盈利能力。
从这两点上来看,头部城商行的资产质量和盈利能力远超过行业整体。
从拨备覆盖率上来看,北京银行是头部银行中拨备覆盖率相对来说比较低的,在215.23%,但仍然超过行业平均水平(182.49%)。
另外,除了头部城商行表现优异之外,城商行整体呈现出不良贷款率高(1.96%)、拨备覆盖率低、创利能力弱的特点(ROA与净息差分别低至0.64%和1.73%)。
这种分化不仅体现在经营上,也体现在地区分布上。
头部的城商行往往位于经济水平比较发达的地区,比如北京、上海、江苏、浙江等地。这可能是因为城商行的发展与地域经济产业的发展密不可分。
举个例子,2013年到2016年,晋商银行营收增加至39亿,净利润却下滑至10亿。同期,南京银行营收从105亿增长至262亿,净利润从45亿增长至83亿。
经营层面的因素之外,造成如此差异的原因也可能在于,2013到2015年是煤炭行业衰落期。
不过近几年,行业发展的趋势也在变。产业之外,零售业务贡献比较好的银行增长情况都不错。
拿宁波银行来说。宁波银行2023年前三季度的营收利润表现都不错,营收增长5.45%,归母净利润增长超过12%,不良率仅0.76%,而且,拨备覆盖率高达480.57%。
这个业绩背后,离不开零售业务的贡献。
一方面是在前几年,宁波银行零售业务结构性调整已经完成,而且零售业务中大部分是消费贷,个人按揭贷款占不高。另一方面,宁波银行的零售业务的不良率很低。
低风险、高成长的零售业务,是拉动城商银行增长的重要动力。
从行业环境来看,城商行的经营环境也在变。对公信贷面临压降利息的要求,使得净息差收窄,城商行也需要寻找新的增长突破。
所以,净息差较高且抗周期能力较强的零售业务,是一个不错的方向。
对于城商行来说,零售业务的占比越高,净息收入也就越稳定,资产质量也就越高。
不过,城商行转型零售业务也有挑战。
一来,大部分的零售业务其实是四大行在做。零售业务很大一部分其实是个人贷款,这里面主要是房贷,而主要承接这部分业务的其实是四大行。
数据显示,2007年至2022年,四大行的个人房贷占比已经从15%左右增加至30%。零售业务也是四大行的重要利润来源。
接下来,增量减少,城商行要从中分一块蛋糕,并不容易。
二来,零售业务能不能做好,很考验风险管理能力。
零售业务方面,上海银行业这几年一直在寻找新的机会。
2018年,个人消费贷款市场井喷,同年,上海银行的零售贷款余额达2768.21亿元其中消费贷款达1574.76亿元,互联网消费贷款余额1095.19亿元,同比增长267.55%。
此后,上海银行消费贷不良率一度上涨到1.87%。
2023年上半年,上海银行消费贷不良仍高达1.81%。到2023年三季度末,上海银行计提的信用减值损失有100.20亿元,同比减少了30%。
可见,在零售业务“寻突破”的前提是能够“控风险”。
消费贷之外,上海银行也在寻找新的突破。2023年上半年,上海银行普惠型贷款客户数比2022年末增长33.91%,普惠金融贷款余额较2022年末增长15.94%.接下来。普惠业务能不能成为一个新的增长突破点,可能是上海银行未来业绩增长的关键之一。
展望2024:产业与消费中的新机会
如果说,2023年的城商行是在不断地寻求新的突破,寻找新的价值增长,那么2024年的城商行,则需要进一步扎根产业。
银行的核心竞争力是什么?是产业的竞争力,是消费的竞争力。
城商行的增长,往往离不开当地经济的增长。
上海银行转型消费的深层逻辑在于,地区经济发达社会消费能力强,江苏银行发力小微企业,从普惠金融上找增长点也是因为江苏的中小企业活力很强。
对于出身中原的郑州银行来说,新的增长点源于扎根产业建设。
2023年上半年,郑州银行总资产规模较年初增长4.28%,贷款总额较年初增长6.11%。同期,郑州银行不良贷款率比年末有所下降,不良贷款余额下降5.37%。
一增一降背后,抗风险能力有所增强,而且带来总额的增长也表明,支持产业发展的力度并没有降。
一直以来,郑州银行的特点就是稳,这源自金融赋能地区产业经济的内生使命,也同样源自管理层稳健经营的风格。天眼查AAPP信息显示,郑州银行的对外投资分布中,主要集中在河南地区。
在产业经济复苏的进程中,这种稳定可能会发挥更重要的价值。
稳定之外,城商行的增长的机会,还是在于消费端。
一个判断是,行业净息差承压的情况大概率会延续下去。
整体来看,2024年零售业务净息差仍然要强于对公业务,银行要增长,零售业务仍然是一个重要的方向。
客观上,拉动消费需求仍然是促进经济复苏增长的第一要务。
因此,2024年城商行的第一个机会仍然是零售业务。
哈尔滨冰雪旅游的火热也表明,市场上还有大量的未被挖掘的消费需求。而城商行们如何找到零售端的新增长,可能是一个新的机会。
市场不是没有消费需求,而是要把消费需求更多地释放出来。
举个例子,汽车行业正在经历新能源替换燃油车的新历史机遇,能不能进一步做大这部分业务,挖掘新的增长?
进一步来看,挖掘增长的关键在于进一步提高风控能力,在有效控制不良率的前提下,尽可能地去挖零售业务的增量空间。
挖掘个人零售业务,一方面是挖掘优质消费贷款的增长潜力。另一方面也要提升个人财管业务的能力。
消费之外,提高财管能力和水平,是释放新的增长动能的关键。
2024年一个确定的行业的趋势是,更多居民从财富管理转为存款,银行财务管理营收缩水,以及风险意识导致居民的储蓄意识会比以往更强。
但是,权益市场不会一直是熊市,一旦权益市场转暖,便会有新的增长机会。
虽然,过去财管上有优势的银行(比如招行)仍然会有很强的竞争力,但城商行如果能够把握住这个机会,也可能会获得不错的增量。
结语:
2023年是银行业调整的一年,也是寻找突破的一年。如今的2024年,则是扎实经营,赋能实体产业深入落地的一年。
过去的发展表明,对于城商行来说,真正的核心竞争力既不是资产规模,也不是利润规模,而是实实在在产业+消费。
接下来,如何在这两个方向上取得实打实的成果,是城商银行价值成长的关键所在。
免责声明:本文基于公司法定披露内容和已公开的资料信息,展开评论,但作者不保证该信息资料的完整性、及时性。另:股市有风险,入市需谨慎。文章不构成投资建议,投资与否须自行甄别。
相关推荐: 钱小乐:做致力创新服务,提升金融体验的“用户知己”
在数字科技繁荣发展的背景下,借贷市场变得竞争激烈。在这个庞大的领域中,有一些产品以其独特的优势赢得了市场份额和声誉,比如近年来口碑不断攀升的品牌钱小乐,以其独特的服务品质和创新精神,凭借“小而美”的特色独占一角。 钱小乐在产品服务和用户体验方面却具有令人难以忽视的优势。作为百融智汇云旗下的品牌,其充分利用其在金融服务领域的深厚积累,提供优质的贷款产品。 钱小乐的宗旨——“用钱时刻,打开钱小乐”,这一简洁明了的标语展示了品牌的自信和力量。这一信息明确地告诉了目标客户:无论何时需要贷款,钱小乐都是他们的首选,因为钱小乐理解他们的需求,并始终致力于提供最符合他们需求的服务。 钱小乐精于倾听用户需求,并提供个性化、细致入微的金融服务。钱小乐深知不同用户的需求千差万别,因此它提供多种灵活的信贷方案,以满足各种需求。钱小乐的审批流程快速,可以让用户在最短的时间内解决资金问题。此外,钱小乐还提供全面的线上服务,让用户可以随时随地处理借款业务,享受便捷的金融服务体验。 有合作伙伴评价,钱小乐以其出色的服务品质和产品优势已经赢得了市场和用户的认可。钱小乐始终坚持以服务为中心,持续优化产品功能,提升用户体验,以在金融科技领域树立新的标准。钱小乐的“小而美”代表了它对市场需求的深入洞察,以及对用户需求的准确把握,它是金融服务领域持续创新的最好的象征。 在这个飞速变化的时代,各家产品各展其长,共同推动了个人消费信贷市场的发展。而钱小乐,凭借其注重服务的品牌属性和杰出的产品优势,为用户提供了更加贴心、专业的金融服务。当面对借款需求时,钱小乐无疑能成为用户在金融领域的可靠伙伴,为他们的生活带来更多的便利和美好。 钱小乐的“小而美”特质在竞争激烈的市场中确立了其独特的地位。面对日益严峻的市场环境,钱小乐将继续秉持“以服务为本”的理念,不断创新,为用户提供更优质、更便捷的金融服务。相关推荐: 从大语言模型到大流程模型,生成式AI带来的BPM范式转变 当生成式AI遇到业务流程管理,大语言模型正在变革BPM 生成式AI时代的业务流程管理变革,BPM迎来大型流程模型 从大语言模型到大流程模型,生成式AI带来的BPM范式转变 基于价值链的生成式AI流程应用,探索LLM影响BPM的另一种方式 从生成式AI对业务流程的增变量,看LLM如何影响业务流程管理 由业务驱动生成式AI应用,大语言模型快速融入业务流程管理 文/王吉伟 生成式AI对各领域有很大影响,一个方面在于它改变了很多固有业务的工作流。 工作流(Workflow)是业务流程的一种实现方式,一个业务流程往往包含多个工作流范式以及相关的数据、组织和系统。 因此,提及工作流必然离不开业务流程。 业务流程(Business Process),是为达到特定价值目标而由不同的人分别共同完成的一系列活动,是企业用来实现目标的可重复步骤集合。 使用业务流程,可以帮助组织提高客户满意度和提高对快速市场变化做出反应的敏捷性。同时面向流程的组织打破了结构部门的障碍,并能够避免功能孤岛。良好的业务流程,对于朝着目标取得进展和改善业务运营至关重要。 随着业务规模的不断壮大,组织的业务流程往往变得过于庞大和复杂。这时就需要自动化工具的帮助和管理,由此诞生了业务流程管理(BPM,Business Process Management)这种流程管理方法论。 BPM是一种结构化方法,用于改进组织用于完成工作、服务客户和产生业务价值的流程。它使用各种方法来改进业务流程,包括分析业务流程、对业务流程在不同场景中的工作方式进行建模、实施更改、监视新流程等,并不断提高其推动所需业务成果和结果的能力。 用以支持自动改进业务流程并支持组织大规模业务变更的业务流程管理软件,被称作BPM软件、套件或系统(BPMS,Business Process Management SoftwareSuiteSystem),它是不同类型的技术的集合,包括流程挖掘工具、用于绘制业务流程图的BPMN工具、工作流引擎及模拟和测试工具等。 近年来,随着AI等技术的进一步发展,新型技术被引入和集成到BPM软件中,BPMS也进化成了智能BPMS(IBPMS,此概念由研究公司Gartner创造),并将低无代码 (LCNC,Low Code No Code)及RPA等技术纳入其中。 此外,还发展出了用于分析业务流程及操作工作流中各个步骤的新一代流程智能(Process Intelligence),以帮助组织识别流程瓶颈并提高运营效率。 随着市场需求的进一步扩大,最近几年AI等技术已在深度影响BPM,这些技术为发现、设计、测量、改进和自动化工作流提供了新的方法。而在今年大语言模型(LLM,Large language Models )爆发后,BPM又在积极引入生成式AI技术以及基于大语言模型进行各种探索与演化。 BPM遇到生成式AI发生了什么变化?生成式AI为行业带来了哪些影响?大语言模型时代的BPM又该是怎样的? 本文,王吉伟频道就跟大家聊聊这些。 生成式AI带来的BPM范式转变 竞争日益激烈的现代商业世界中,BPM和流程智能是决定公司成功成败的重要组成部分。 BPM主要涉及现有业务流程的识别、设计、执行、文档和监视,它旨在使这些流程尽可能有效和高效,常用的工具和方法包括六西格玛、精益管理和BPMN(业务流程模型和表示法)。 流程智能可以看作是BPM的分析大脑,如果说BPM担当“怎么做”,流程智能就担任了“怎么知道”。它涉及了仔细检查大量过程数据,以收集可以导致智能决策的见解。 传统的流程智能方法依赖于手动审核、数据分析和专用软件来可视化和评估过程效率。而AI技术的应用,特别是生成式AI,重新定义了这些领域的基础,为BPM带来了范式转变。 生成式AI是人工智能的延伸,专注于创建新的数据模型、自动化工作流程,甚至预测算法。这项技术以神经网络和机器学习算法为基础,颠覆了传统的BPM和流程智能技术。 传统BPM和流程智能方法是手动、线性和孤立的,生成式AI则提供了自动化、高度自适应和集成系统的可能性,这些系统可以随着时间的推移而学习和发展。 在BPM中,生成式AI可以在几秒钟内自动模拟数千个流程路径,以确定最高效和最有效的路径。这与精益或六西格玛等传统方法形成鲜明对比,后者可能需要数周或数月才能产生优化结果。 麦肯锡的一项研究表示,将生成式AI集成到BPM实践的公司,运营成本降低了多达20%。 在流程智能领域,生成式AI也取得了重大进展。 数据分析,通常涉及数据科学家手动制定要分析的假设和模型。生成式AI可以根据现有数据自动生成这些模型,从而减少分析所需的时间和人为错误。Forreste的一份报告表明,使用AI增强型流程智能的组织在识别流程方面比传统方法快50%。 因此,生成式AI不只是添加到现有BPM和流程智能库中的工具,更改变了人们理解、分析和实施业务流程的方式,代表了一次重大的范式转变。 借助生成式AI,组织将获得植根于自适应智能和无与伦比的效率的竞争优势。 基于价值链的生成式AI流程应用 以往我们分析生成式AI的对业务流程的影响,主要探索技术对某些业务场景的变革,这是一种节点式的观察。如果我们把这些节点缩小,将目光整体放到企业价值链上,就会有更多的发现。 企业价值链是以企业内部价值活动为核心所形成的价值链体系,它由一系列为顾客制造价值的活动和功能组成,能够展示企业的设计、生产、营销、运输等为顾客创造价值的一系列活动、功能以及业务流程之间的连接情况。 探索生成式AI如何影响企业价值链,能够了解其对企业经营更深层次意义。 我们可以从端到端业务流程入手,构建一个价值链生成式AI应用示意图,并在上面重点标注重复模式的子流程和任务,这些标注的业务流程可以视作应用生成式AI的重要指标。 当标注工作完成后,可以将这些已标注流程大概分为三种类型。 第一种类型,与生成式AI增强客户数字体验的潜力有关。这是通过使用自然语言与软件交互、客户支持自动化和信息对话检索来实现的。 第二种类型,涉及生成式AI协助业务流程和知识管理的内容创建带来的潜在好处。这些业务流程一般会通过生成流程模型定义(比如重新设计招聘流程等)、在业务流程上下文中生成实际内容(比如自动创建的职位描述等)以及详细阐述文档和数据(比如总结客户支持交互等)来实现。 第三种类型,与生成式AI提高专业和公民开发人员的速度和有效性的能力有关。这些业务流程,是通过从自然语言生成代码、代码自动完成和自动生成文档来实现的。 需要说明的是,对于适合应用生成AI的任务,关键在于分析任务中所涉及业务角色的“当天生命周期”,可以更清晰地了解当前任务进行的细节、差距、问题以及更广泛的背景。 比如分析物流小哥一天中的业务,如果他们的任务从手动输入送货单转变为通过人工智能处理的简单地验证送货单,将会大幅加快送货单的处理时间。 这种方法,也可以称作业务驱动的生成式AI应用。 用业务驱动的方法来识别业务流程中生成式AI的应用领域,可以为企业带来宝贵的见解和机会。而通过分析端到端业务流程并创建重复模式的热图,组织可以确定有效利用生成式AI 的业务流程位置。 上面列出的三种基本类型,主要用于改善数字体验、协助内容创建和知识管理以及提高开发人员的速度和效率,能为广大组织探索生成式AI的高效应用奠定坚实基础。 当然为了确保这种方法的成功实施,必须分析任务、了解挑战、将场景与目标联系起来,设计工作流、用户体验以及与 AI 功能和业务逻辑的数据集成,还需要进行健全性检查以确保安全性、隐私合规性和整体可行性。 生成式AI对业务流程的增变量 大家都清楚,应用程序方案应该链接到明确的业务目标和组织范围。一旦建立生成式AI在业务流中的应用关系,就可以设计与构建业务流程了。 这其中,有一些步骤将基于常规与规则的业务逻辑,从企业应用程序和其他来源检索数据;还有一些步骤,将是可以被AI功能取代的任务。 除了流程工作流之外,还需要设计用户体验和利用现有数据和潜在新数据的方法。 例如,可以考虑从企业系统中检索有关作业配置文件的一些数据,使用该数据构建生成式AI服务的输入以生成建议的作业配置文件描述,然后将其存储在同一个企业系统中。 这里有一个加快生成式AI业务方案设计的方法,就是将融合AI技术的业务流程视为构建各种功能模块,将AI功能与常规业务逻辑相结合。 这些功能构建块可以包括文本摘要、翻译、情绪分析、问题和答案、图像编辑、文本到图像生成等功能。例如,在客户满意度分析流程的上下文中,可以使用摘要AI功能来查看社交媒体帖子和其他数据源,然后应用情绪分析AI功能来生成验证记录的净推荐值分数的输出。 采用这种将AI功能和业务逻辑相结合的机制,业务解决方案将会演变为两类:增量和变革。 增量解决方案用以优化现有流程或产品以提高盈利能力,变革性解决方案则引入了从根本上重塑业务运营或行业的突破性方法。 来看两个例子。 使用生成AI的增量解决方案的例子,可以聚焦用于营销目的的内容生成,它可以让企业无需再花费数小时为社交媒体、博客文章或时事通讯创建引人入胜的内容。借助生成式AI根据特定参数快速起草或建议内容,可以节省时间和资源,提高效率并降低成本。 变革性的解决方案案例,可以看看人工智能驱动的个性化教育平台。与标准课程不同,人工智能平台可以根据每个学生的表现和兴趣定制学习材料,从业务流程上彻底改变教育架构。 当然,选择增量还是变革性解决方案,很大程度上取决于企业的特定需求、能力和战略愿景,需要组织结合自身业务属性与适配资源因地制宜。 业务驱动生成式AI的优势 将生成式AI集成到BPM和流程智能中,不仅仅是增量和变革,它还代表了组织如何管理、优化和创新其运营的巨大转变。 这些转变,主要表现在以下几个方面: 流程优化:生成式AI可以模拟许多流程路径,使企业能够确定最有效的路线。比如通过人工智能生成的模拟,将订单到现金的周期时间缩短多达15%变得可行。 工作流程自动化:能够创建新的自动化工作流程的人工智能算法可以增强客户服务运营,如自动工单等流程,可将时间缩短25%。 资源分配:该技术可实现动态资源分配,例如实时调整制造计划,从而将停机时间减少10%。 增强的数据分析:生成式AI可以创建新的数据模型或假设,从而获得更好的见解。一个引人注目的案例是预测性维护模型,该模型将工厂停机时间减少了多达20%。 决策支持:由生成式A1提供支持的高级决策支持系统(DSS)可以改善战略规划。数据显示,情景规划模型将市场进入成功率提高了18%。 实时智能:该技术允许实时报告和洞察,例如将物流成本降低12%的供应链仪表板。 挑战和解决方案:虽然该技术具有变革性,但其成功实施需要应对各种挑战,包括数据隐私、技术要求和变更管理。 当然,其中的大部分挑战都可以通过战略规划及框架、技术补齐来克服。 从FM到LLM 2021年,斯坦福大学的研究人员首次提到了基础模型(FM,Foundation Models),以总结机器学习模型的新水平,与迁移学习的概念密切相关。 他们将基础模型定义为一种在大量原始数据基础上通过无监督学习训练而成的AI神经网络,可适应各种任务,并把transformer模型、大型语言模型和其他仍在构建的神经网络都归入到这个被他们称之为基础模型的重要新类别中。 基础模型是在广泛数据集上训练的,这些数据集可以在很大程度上进行调整,使得只需非常小的训练样本集就可以将它们专门化为某个利基产品或应用案例。 传统的机器学习方法需要大量的训练数据,收集和准备此类数据非常耗时,成本高,投入大量时间。拥有一个预先训练的基础模型,并且只针对专业化对其进行微调,可以降低构建新模型的运营成本,为新的业务用例开辟无数的机会。 LLM是在大量文本数据(至少由数十亿个参数组成)上训练的基础模型,只需要给定自然语言描述的提示,LLM可以生成文本并执行基于文本的任务。 随着ChatGPT的上线,基于LLM的各种应用也爆发式涌现,并且迅速影响BPM在内的企业管理软件,同时BPM技术合集中的各项子集技术也都在快速融合生成式AI。 扩展阅读:LLM时代到来,生成式AI会成为超自动化蓬勃发展的催化剂吗? 从LLM到LPM 虽然通用LLM已经增强了文案写作、图文设计等日常知识工作,但软件工程、金融和人力资源等领域的专用模型的训练、融合及应用仍然需要大量的培训。 由于LLM是基于统计的工具,它重用了大量通常策划不佳的人工生成文本的语料库,因此很多行为是不可预测的,输出的结果经常不符合逻辑,以至无法使用。这种情况,限制了LLM在很多商业环境中的适用性。 从结构上讲,流程模型是逻辑语句,因此许多基于LLM技术的进步可以在流程管理领域采用。LLM可以训练广泛的知识,用户可以用它编写食谱、撰写剧本、绘制图片等。但是,如果用户问“生产流程中最大的问题是什么?”这样的问题,一般得不到想要的答案。 特别是在BPM和流程智能中,决策对业务运营具有重要的影响,深度学习并无法担任可靠的、可信的和可操作的智能助手。 所以,LLM能否应用于业务流程管理空间,一直以来都是智者见智。 在这个背景下,为了促进BPM的进一步智能化,需要将LLM(或更广泛的基于基础模型的方法)与符号数据管理(如知识图)和自动推理方法集成。 同时为了推进生成式AI时代BPM软件技术基础的整体认知,在论文《Large Process Models Business…
原创文章,作者:admin,如若转载,请注明出处:http://readdaily.cn/other/124474.html